双态折叠模型

氨基酸线性链转变为精确三维结构是生命的基本过程，但其复杂性可能令人望而生畏。我们如何才能对决定蛋白质功能的折叠过程建立定量的理解？本文通过介绍双态折叠模型来应对这一挑战。这是一种强大的简化方法，将折叠过程视为在两个不同状态——去折叠态和天然态——之间的切换。通过聚焦于这一核心转变，该模型提供了一个简洁的分析框架。在接下来的章节中，我们将首先深入探讨定义该模型的热力学和动力学“原理与机制”，探索如稳定性、变性以及不可见的过渡态等概念。随后，我们将探讨其深远的“应用与跨学科联系”，揭示这一简单概念如何为从遗传性疾病和进化到蛋白质工程和力学生物学等各个领域提供深刻的见解。

想象你是一位工程师，正在设计世界上最精密的纳米机器。它需要从一条长而柔韧的组件链自我组装成一个精确、复杂的三维结构来完成其工作。它必须可靠地做到这一点，每秒数千次。这正是活细胞每时每刻通过蛋白质解决的挑战。松散无序的氨基酸链——即​​去折叠态​​（$U$）——迅速折叠成其功能性的稳定结构——即​​天然态​​（$N$）——的过程，是分子生物学的一大奇迹。

我们该如何着手理解这样一个复杂的转变呢？物理学家的方法是从最简单的图像入手。如果蛋白质不是呈现一系列令人眼花缭乱的中间形态，而是只存在于两种有意义的状态中：去折叠态（$U$）和天然态（$N$），情况会怎样？这就是​​双态折叠模型​​，一个科学简化的奇迹。该模型提出，蛋白质的行为就像一个数字开关：它要么明确地处于“关”的状态（去折叠且无功能），要么明确地处于“开”的状态（折叠且有功能），而两者之间的转变是一个单一的协同事件。任何中间状态都极其短暂且不稳定，因而从不累积。

这个看似极端的简化不仅仅是一个猜测；它是一个具有清晰、可检验预测的假说。其威力在于允许我们应用优雅而严谨的热力学和动力学工具来描述蛋白质的生命历程。

用化学的语言来说，折叠过程是一个可逆的平衡：

稳定性的核心问题是：自然偏爱哪一边，为什么？答案由​​折叠吉布斯自由能​​给出，记为 $\Delta G_{\mathrm{fold}}$。它是折叠态和去折叠态之间的能量差：$\Delta G_{\mathrm{fold}} = G_{N} - G_{U}$。如果 $\Delta G_{\mathrm{fold}}$ 为负，则天然态更稳定，蛋白质将大部分时间处于折叠状态。两种状态群体之间的平衡由著名的方程给出：

其中 $K_{\mathrm{eq}}$ 是平衡常数，$R$ 是气体常数，$T$ 是温度。这个方程告诉我们，即使 $\Delta G_{\mathrm{fold}}$ 的微小变化也可能导致平衡发生巨大移动，使蛋白质群体从主要折叠转为主要去折叠。

但是，这个关键的 $\Delta G_{\mathrm{fold}}$ 是如何产生的呢？其奥秘在于它的两个组成部分，正如吉布斯-亥姆霍兹方程所揭示的：$\Delta G_{\mathrm{fold}} = \Delta H_{\mathrm{fold}} - T \Delta S_{\mathrm{fold}}$。这正是折叠的美妙物理学展开的地方。

• ​​焓（$\Delta H_{\mathrm{fold}}$）：​​ 这一项代表热含量的变化，完全关乎化学键和相互作用。当蛋白质折叠时，它在内部分子中形成大量的弱非共价相互作用——​​氢键​​、​​范德华接触​​和​​盐桥​​。形成这些键是有利的并释放热量，使 $\Delta H_{\mathrm{fold}}$ 趋向于负值。然而，这与一个不利的过程相抗衡：去折叠的链与水分子愉快地相互作用。为了折叠，它必须打破许多这些有利的蛋白质-水分子键。最终的 $\Delta H_{\mathrm{fold}}$ 是这场复杂角力的结果，而且常常是一个惊人的小数值。

• ​​熵（$\Delta S_{\mathrm{fold}}$）：​​ 这一项代表无序度的变化。在这里我们发现了一个惊人的悖论。一方面，折叠将一条扭动、柔韧、具有巨大构象自由度的链锁定在一个单一的结构中。这是蛋白质自身熵的大幅减少，是一个非常不利的过程（$\Delta S_{\mathrm{conf}} \ll 0$）。这种熵代价是抵抗折叠的主要力量。那么，谁来支付这个代价呢？溶剂。去折叠的链将许多油腻的非极性氨基酸侧链暴露于水中。水分子讨厌这样，被迫在这些非极性基团周围排列成高度有序的“笼子”。这对水来说是一种低熵状态。当蛋白质折叠时，它将这些非极性基团埋藏在其核心，将被困的水分子释放回体相液体中。这导致溶剂的熵大幅、有利地增加。这种现象，即​​疏水效应​​，是蛋白质折叠的主要驱动力。

因此，蛋白质的稳定性并非源于一股主导力量，而是源于这些巨大的、相互对立的焓和熵贡献之间精妙而脆弱的平衡。这是一个由大数之间的小差异构成的热力学奇迹。

这种精妙的平衡导致了生物物理学中最反直觉的现象之一：​​冷变性​​。我们都知道，如果将蛋白质过度加热（比如煮鸡蛋），它会去折叠（​​热变性​​）。但事实证明，如果将一些蛋白质冷却到足够低的温度，它们也会去折叠！

这个谜团的关键在于​​折叠过程中的热容变化​​，$\Delta C_{p}$。热容告诉我们一个系统的焓随温度变化的程度。对于蛋白质来说，折叠的 $\Delta C_p$ 是一个很大的负值。这是因为去折叠态拥有一个广泛、对温度敏感的有序水分子壳层，其热容远高于紧凑的折叠态。

负的 $\Delta C_p$ 意味着随着温度的变化，$\Delta H_{\mathrm{fold}}$ 和 $\Delta S_{\mathrm{fold}}$ 也会改变。一点微积分知识表明，这使得稳定性（$\Delta G_{\mathrm{fold}}$）对温度的作图是一条开口向上的抛物线。这条抛物线有一个最低点——一个最大稳定性的温度——并且它在两个点上穿过 $\Delta G_{\mathrm{fold}}=0$ 这条线：一个高温（$T_H$）和一个低温（$T_C$）。高于 $T_H$ 或低于 $T_C$，$\Delta G_{\mathrm{fold}}$ 变为正值，蛋白质去折叠。利用来自假设蛋白质的热力学数据，我们可以精确定位这个最大稳定性的温度，它恰好发生在折叠熵为零的时候，这是这条抛物线稳定性曲线的一个美妙推论。

知道哪个状态更稳定只是故事的一半。另一半是动力学：这个开关翻转得多快？在我们的双态模型中，我们有两个速率常数：$k_f$ 用于折叠（$U \to N$）和 $k_u$ 用于去折叠（$N \to U$）。

想象一下，我们有一溶液的折叠态蛋白质，然后我们突然改变条件（比如说，通过温度跃变）以利于去折叠态。系统如何弛豫到新的平衡？双态模型做出了一个确定的预测：弛豫将遵循一条单一、平滑的指数曲线。这个过程的速率，即​​观测速率常数​​（$k_{\mathrm{obs}}$），就是正向和逆向速率常数的总和：

这意味着，无论我们是在折叠还是去折叠，达到新平衡所需的时间都由这个单一的量决定。例如，达到一半所需的时间，即半衰期，就是 $\frac{\ln 2}{k_{\mathrm{obs}}}$。有趣的是，折叠速率只取决于从去折叠一侧过来的能垒，而与最终折叠态的稳定性无关。这使得一种突变可能在热力学上使蛋白质更稳定，但却通过提高折叠的动力学能垒而导致其折叠得更慢。

双态模型很简洁，但它是真的吗？我们如何发现一个蛋白质表现出更复杂的行为？一系列巧妙的实验测试可以作为真正双态折叠蛋白的指纹。

1. ​​探针信号的重合性：​​ 我们可以使用不同的工具观察蛋白质去折叠。例如，远紫外圆二色谱（CD）追踪蛋白质的整体二级结构（如螺旋和折叠片），而色氨酸荧光对特定氨基酸的局部环境敏感，探测紧密堆积的三级结构。对于双态转变，蛋白质的所有部分都在一个协同事件中折叠和去折叠。因此，用这些不同探针测得的去折叠曲线必须完全重合。如果，像在一个关于蛋白质“未来酶”的假设实验中，三级结构（荧光）在比二级结构（CD）更低的变性剂浓度下丧失，这就是一个确凿的证据。它证明了一个稳定的中间体——一个​​熔融球状体​​——的存在，它有二级结构但缺乏特定的三级堆积。双态模型被打破了。

2. ​​动力学单一性：​​ 动力学过程必须是单指数的，并且无论你用哪种探针来测量，观测到的速率常数 $k_{\mathrm{obs}}$ 都必须相同。多个动力学相或依赖于探针的速率是更复杂、多态景观的明确迹象。

3. ​​V形图：​​ 一个经典的实验是在不同浓度的化学变性剂（如尿素或盐酸胍）下测量 $k_{\mathrm{obs}}$，并将 $\ln(k_{\mathrm{obs}})$ 对变性剂浓度作图。结果是一条引人注目的V形曲线，称为​​V形图​​。在低变性剂浓度下，折叠速度快并占主导，所以我们看到“折叠臂”，其中速率随着变性剂使折叠变得更困难而降低。在高变性剂浓度下，去折叠占主导，形成“去折叠臂”，其中速率随着变性剂帮助蛋白质解开而增加。对于一个理想的双态折叠蛋白，V形图的两臂都应该是线性的。这种线性是模型有效性的一个强有力标志。

4. ​​焓值检验：​​ 也许最严格的测试是比较用两种不同方法测量的折叠焓。一种是​​量热焓​​（$\Delta H_{\mathrm{cal}}$），通过在量热计中直接测量蛋白质去折叠时吸收的热量获得。这是一种无模型、直接的测量。另一种是​​范特霍夫焓​​（$\Delta H_{\mathrm{vH}}$），它是根据平衡常数随温度的变化计算出来的。对于一个真正的双态系统，这两个值必须相同。$\frac{\Delta H_{\mathrm{vH}}}{\Delta H_{\mathrm{cal}}} \approx 1$ 的比值是双态模型的一个强有力的确认。一个远小于1的比值表明，假设简单双物种平衡的范特霍夫分析被吸收了部分热量的中间体的存在所欺骗。

双态模型假定了一个高能量的​​过渡态系综​​（TSE）——即能量景观上位于去折叠态和天然态之间的山顶。根据定义，这个状态是不稳定的，从不被占据。我们有可能了解它是什么样子的吗？

令人惊讶的是，答案是肯定的，通过一种称为​​phi（$\phi$）值分析​​的巧妙技术。策略就像分子外科医生一样行事。我们在蛋白质的特定位置进行一个微小、保守的突变，并测量其影响。具体来说，我们测量两件事：

1. 蛋白质整体稳定性的变化（$\Delta \Delta G_{\mathrm{fold}}$）。
2. 折叠活化能垒的变化，我们从折叠速率常数的变化中得到（$\Delta \Delta G^{\ddagger}$）。

$\phi$值是这两个量的比值：$\phi = \frac{\Delta \Delta G^{\ddagger}}{\Delta \Delta G_{\mathrm{fold}}}$。这个简单的比值告诉我们关于那个不可见的过渡态中突变位点周围的结构信息。

• 如果 $\phi \approx 1$，突变对过渡态稳定性的影响与对天然态的影响一样大。这意味着该位点的相互作用在过渡态中已经完全形成，并且是类天然的。
• 如果 $\phi \approx 0$，突变只影响最终的天然态，对过渡态能垒没有影响。这意味着突变周围的区域仍然完全无结构，就像在去折叠态中一样。
• 如果 $\phi$ 是一个分数，比如在某个假设分析中发现 $\phi \approx 0.66$，这意味着该位点的相互作用部分形成，在过渡态中贡献了其最终稳定能量的大约三分之二。

通过在整个蛋白质中耐心地、一个残基一个残基地应用这种方法，研究人员可以构建出一幅引人注目的、低分辨率的过渡态“图像”。它让我们能够为一个鬼影拍摄快照，揭示当蛋白质在其通往功能形式的路径上扭曲自己越过最高能量障碍时所发生的一系列事件。这有力地证明了一个被严格应用的简单模型，在阐明自然界最基本、最优雅的过程之一时所具有的强大力量。

在我们完成了对双态模型原理的探索之后，你可能会感到一丝惊奇，或许还有一点怀疑。这个模型感觉几乎过于简单了，不是吗？一个将宏伟、蠕动的蛋白质简化为一次简单的抛硬币——正面代表“折叠”，反面代表“去折叠”——的模型，怎么可能捕捉到生命世界的丰富性呢？答案，也是这个模型如此强大的原因，在于对于数量惊人的生物学问题，关键变量并非折叠本身错综复杂的舞蹈，而仅仅是成功到达其功能性折叠终点的分子的比例。

正如热力学定律不关心每个气体分子的精确路径，而是支配着压力和温度等集体属性一样，双态模型使我们能够预测蛋白质群体的集体行为。虽然从一条去折叠链到天然结构的旅程——穿越折叠能量景观的航行——可能复杂多变，但最终的目的地通常才是对功能至关重要的。事实上，两种蛋白质可以拥有几乎相同的最终折叠结构，即它们的“全局自由能最低点”，却通过完全不同的途径到达那里，一种是直接进行，另一种则在长寿命的中间态停留。双态模型的美妙之处在于它能够将那个最终状态的热力学与广阔的生物学现象联系起来。让我们来探讨其中的一些联系。

我们模型最直接的应用是稳定性与功能之间的联系。如果一个蛋白质或RNA分子必须处于其天然状态才能执行其工作，那么它的总活性就与折叠分子的比例成正比。突然之间，我们的热力学变量，折叠自由能 $\Delta G$，成为了生物活性的主调节器。

考虑一下不起眼的转运RNA（tRNA），细胞中用于翻译遗传密码的分子适配器。要使一个tRNA被识别并装载上正确的氨基酸，它必须折叠成其特定的L形结构。这种折叠是一个微妙的平衡。在细胞环境中，RNA带负电的磷酸骨架相互排斥，破坏了折叠态的稳定性。然而，细胞中充满了正离子，如镁离子（$Mg^{2+}$），它们可以聚集到RNA上并屏蔽这些排斥力。利用我们的双态模型，我们可以精确计算出一个由离子引起的微小 $\Delta G$ 变化——比如说，使其更有利仅仅一千卡/摩尔——如何戏剧性地改变平衡，将有功能的折叠tRNA分子的比例从，例如，$0.9997$ 提升到 $0.9999$。虽然这看起来是一个微不足道的变化，但在翻译的高保真世界里，这种微调对细胞健康至关重要。

这种折叠态与去折叠态之间的平衡对温度极为敏感。当我们加热蛋白质时，吉布斯自由能方程 $\Delta G = \Delta H - T\Delta S$ 中的 $T\Delta S$ 项变得越来越占主导地位。去折叠链的高熵开始战胜折叠态的有利焓。最终，我们达到一个临界点，即熔解温度（$T_m$），此时 $\Delta G = 0$，折叠态和去折叠态的数量相等。超过这个温度，蛋白质群体迅速解体，功能丧失。双态模型让我们能将这个关键参数简单地定义为折叠的能量增益恰好被熵成本抵消的点：$T_m = \Delta H / \Delta S$（假设这些值不随温度变化太大）。

这种分子特性具有深远的生态后果。一个关键酶的热稳定性可以决定整个生物体生存的温度上限。生活在火山温泉中的微生物必须拥有具有大折叠焓 $\Delta H$ 和相对小折叠熵 $\Delta S$ 的酶，从而导致高的 $T_m$。相比之下，来自寒冷南极海域的生物可能拥有在低温下为灵活性而优化的酶，但这些酶在我们认为是温和的室温下就会变性并解体。因此，双态模型在单个分子的热力学与地球上生命的全球分布之间架起了一座桥梁。

遗传学告诉我们，基因的改变（基因型）可以导致生物体性状的改变（表型）。但是连接它们的物理机制是什么呢？双态模型提供了一个强大的定量框架。一个错义突变，即将一个氨基酸替换为另一个，可以扰乱维持蛋白质结构的精细相互作用网络。这会使折叠自由能发生微小变化，$\Delta\Delta G$。

想象一种野生型蛋白质，它处于边缘稳定状态，折叠自由能 $\Delta G_{\mathrm{wt}}$ 为几千卡/摩尔，这意味着在体温下大部分是折叠的。现在，引入一个具有相似数量级的正 $\Delta\Delta G$ 的去稳定突变。新的折叠自由能 $\Delta G_{\mathrm{mut}} = \Delta G_{\mathrm{wt}} + \Delta\Delta G$，可能会变为正值。这意味着去折叠态现在是更稳定的状态！我们的模型预测，折叠的活性蛋白质比例将急剧下降，随之而来的是生物体的可观察性状。我们可以精确计算这种功能的丧失，将自由能的特定变化直接与表型的变化联系起来。

我们甚至可以更进一步，构建一个复杂遗传病的构想模型。让我们来做一个思想实验。想象一种疾病是由某种酶的功能性拷贝过少引起的。功能性酶的数量取决于一个分子被折叠的概率，而这个概率是其 $\Delta G$ 和温度的函数。一个“温度敏感性”突变可能是一个增加正 $\Delta\Delta G$ 的突变，使蛋白质变得不那么稳定。在正常的 $310 \mathrm{K}$ 体温下，一个野生型个体和一个携带此突变的杂合子个体可能都有足够的折叠酶来保持健康。模型可能显示，突变使平均折叠比例从，比如说，$0.89$ 降低到 $0.72$，但两者都远高于致病阈值。

但是发烧时会发生什么，当体温上升到 $315 \mathrm{K}$ 时？对于野生型和突变型蛋白质来说，平衡都向去折叠方向移动。野生型的折叠比例可能下降到 $0.57$——仍然有功能。但对于稳定性较差的突变蛋白，该比例可能降至仅 $0.16$。在杂合子中，平均折叠比例骤降至 $0.37$，越过了阈值并引发了疾病。发烧诱导了一种原本隐藏的表型。这个建立在双态模型上的简单逻辑链，为诸如外显不全和遗传病的环​​境诱发等现象提供了惊人清晰的物理解释。

稳定性与功能之间的联系也为蛋白质如何进化以及我们如何对其进行工程改造提供了深刻的见解。

在分子进化中，一个核心问题是遗传变异在多大程度上是由自然选择驱动的，而不是随机遗传漂变。 “近中性理论”提出，许多突变的适合度效应非常小，以至于它们的命运由偶然性决定。双态模型为此提供了物理基础。考虑一个非常稳定的蛋白质，其 $\Delta G_0$ 远低于零。它位于将稳定性与折叠比例联系起来的S形曲线的平坦、饱和部分。一个引入少量去稳定作用的突变，即一个正的 $\Delta\Delta G$，几乎不会改变折叠比例，该比例仍接近于1。因此，对适合度 $s$ 的影响是微乎其微的。我们的模型显示，选择系数被一个指数因子衰减，$s \approx -(\Delta\Delta G / RT) \exp(\Delta G_0 / RT)$。对于一个稳定的蛋白质，其 $\Delta G_0$ 是一个大的负数，这个指数项小到可以忽略不计，使得 $|s|$ 非常小。这种“热力学缓冲”自然地创造了一大类近中性突变，为进化论的一个基石提供了优美的物理解释。

同样的逻辑可以反过来用于蛋白质工程。如果我们想为工业过程设计一种更坚固的酶，或是一种能在储存中存活的治疗药物，一个主要目标就是提高其热稳定性。通过引入具有负 $\Delta\Delta G$ 的突变，我们使蛋白质更稳定。我们的模型使我们能够量化这项努力的回报。一个将折叠自由能降低仅 $1.5 \, \mathrm{kcal} \cdot \mathrm{mol}^{-1}$ 的稳定突变，可以将酶的熔解温度提高超过 $5 \mathrm{K}$。在高的检测温度下，这可能是一个酶是基本有活性还是基本变性的区别，从而极大地提高了其实用性。

到目前为止，我们一直将我们的两个状态视为一个简单的平衡。但该模型的框架可以扩展到探索折叠过程的动力学以及蛋白质对物理力的响应。

蛋白质科学中的一大难题是“过渡态”——在去折叠态和折叠态之间的路径上，那个短暂的、能量最高的构象。它是蛋白质为折叠必须穿越的山口。我们如何研究如此短暂的东西？通过我们模型的一个巧妙应用，称为$\phi$值分析。通过在蛋白质的特定位点进行一系列突变，并测量每个突变如何影响整体稳定性（$\Delta\Delta G$）和折叠速率（这取决于过渡态能垒的高度，$\Delta\Delta G^{\ddagger}$），我们可以计算出一个比率，$\phi = \Delta\Delta G^{\ddagger} / \Delta\Delta G$。这个值充当一个“结构报告器”。一个接近1的$\phi$值意味着突变位点在过渡态中看起来完全是天然构象；一个接近0的值意味着它仍然完全去折叠。一个中间值，比如 $0.6$，告诉我们那个位置的结构在折叠旅程的能量峰值处是部分形成但尚未完全形成的。这是一个了不起的技巧，让我们通过系统地扰动系统并观察其反应来构建一个不可见状态的图像。

最后，细胞中的蛋白质不仅仅是漂浮在平静的溶液中；它们不断地被分子马达和细胞支架拉伸、牵引和剪切。这里是力学生物学的世界。双态模型可以被调整以包含机械力。施加的力可以倾斜能量景观，降低去折叠的活化能垒。像细胞外基质中的纤连蛋白（fibronectin）这样的蛋白质可以充当分子弹簧。在低张力下，它保持折叠状态。但是当细胞拉动它时，力可以诱导它去折叠，暴露出先前隐藏的“隐蔽”结合位点。这些新暴露的位点可以触发信号通路，告诉细胞其环境的机械刚度。使用一个依赖于力的双态动力学模型，我们可以计算出这样一个结构域在细胞周期性加载下处于去折叠状态的平均时间比例，从而预测由此产生的生物信号的强度。

我们的探索已经完成。我们从一个极其简单的前提开始——一个分子要么是折叠的，要么是去折叠的。从这个单一的想法出发，我们构建了一座概念的桥梁，将稳定蛋白质的量子级相互作用与生命的温度极限、遗传病的物理基础、进化的统计性质以及细胞的机械语言联系起来。这段旅程阐释了科学最深刻和最美丽的方面之一，一个物理学的核心主题：一个简单的基本概念所具有的、能够统一大量看似毫无关联的现象的力量，揭示了支撑自然世界的优雅而连贯的逻辑。